本發(fā)明涉及了一種自動高速無損分揀活體雌雄蠶蛹或者活體雌雄蠶繭的工藝技術。該工藝技術是基于分子及電子光譜信息和化學計量學方法開發(fā)的，包括工藝原理，工藝裝備，光譜采集方法和數(shù)據(jù)處理方法，實現(xiàn)了活體雌雄蠶蛹或者活體雌雄蠶繭的自動無損鑒別和高速分揀。因此，本發(fā)明涉及蠶蛹制種和蠶繭繅絲領域。

背景技術：

我國是世界蠶桑業(yè)的起源國和傳播國，蠶桑和絲綢產(chǎn)業(yè)曾經(jīng)是我國的高新技術產(chǎn)業(yè)、民生產(chǎn)業(yè)、支柱產(chǎn)業(yè)和功勛產(chǎn)業(yè)?！敖z綢之路”曾架起東西方商貿往來和文化交流的橋梁。自20世紀70年代以來，我國一直是世界上最大的繭絲生產(chǎn)國和出口國，在國際市場占有絕對的數(shù)量優(yōu)勢，2013年桑蠶繭、絲產(chǎn)量分別占世界總產(chǎn)量的76.74％和81.47％。蠶種是蠶桑生產(chǎn)最基本的生產(chǎn)資料，蠶種業(yè)的穩(wěn)定與發(fā)展是實現(xiàn)我國蠶業(yè)可持續(xù)發(fā)展的重要基礎之一。當前，全國蠶種生產(chǎn)依然是延續(xù)了幾十年傳統(tǒng)、落后的生產(chǎn)設施和工藝流程，尤其制種環(huán)節(jié)是依靠手工操作、勞動密集性的操作。桑蠶一代雜交種的生產(chǎn)是通過不同血緣的親本進行交配，產(chǎn)生雜交優(yōu)勢。而雌雄蠶蛹的鑒別操作完全是通過肉眼觀察蠶蛹尾部的生殖器官來分辨識別，需要大批的人工來進行，并且對雌雄分別的人員的視力和熟練程度有一定的要求。隨著勞動力的緊缺和操作工人的老齡化程度增高，制種生產(chǎn)過程中不同蠶品系的雌雄蛹的鑒別工序遭遇了瓶頸式的制約，操作速度慢、差錯率高，不僅嚴重影響了蠶種生產(chǎn)的進度和質量，更重要的是生產(chǎn)的蠶種由于雜交徹底率降低，廣大蠶農(nóng)飼養(yǎng)的蠶種純度不高，產(chǎn)量降低，經(jīng)濟效益受到較大影響。近年來，全國因雜交徹底率不高導致養(yǎng)蠶產(chǎn)量減少的質量事件屢有發(fā)生。全國蠶種行業(yè)對制種期雌雄鑒別操作的機械化要求，極為迫切。對制種期雌雄鑒別工序實現(xiàn)機械化，不僅是我國蠶種業(yè)的技術難題，也是困擾世界蠶種業(yè)的技術難題。

雌雄蠶繭的絲質量有很大差別，雄性蠶繭的蠶絲是優(yōu)質蠶絲，因此，將雌雄蠶繭分揀技術是繅絲工業(yè)領域中的一個重要研究課題，該技術的突破具有重大的經(jīng)濟價值。目前還沒有任何有關分揀技術。

技術實現(xiàn)要素：

為解決桑蠶制種領域中雌雄蠶蛹和繅絲領域中雌雄蠶繭高速無損分揀的技術難題，本發(fā)明公布了一種高速自動無損分揀活體雌雄蠶蛹和活體雌雄蠶繭的工藝技術。將待分揀活體蠶蛹或者蠶繭裝入喂料系統(tǒng)，自動排列成一隊，送入在線采集光譜視野，高速采集其光譜，依靠其化學組成產(chǎn)生的光譜信息，采用化學計量學方法進行在線鑒別雌雄蠶蛹和雌雄蠶繭，并根據(jù)鑒別結果和自動分揀系統(tǒng)，實現(xiàn)蠶蛹或者蠶繭的自動高速無損分揀。

本發(fā)明公布的一種高速自動無損分揀活體雌雄蠶蛹或者活體雌雄蠶繭的工藝技術特征在于，是基于分子光譜信息和化學計量學方法開發(fā)的，包括工藝原理，工藝裝備，光譜采集方法和數(shù)據(jù)處理方法。

1.一種高速自動無損分揀活體雌雄蠶蛹和活體雌雄蠶繭工藝，其特征在于，應用以下裝置，該裝置包括：送料斗(11)、料倉(1)、分料器(2)、傳送帶(3)、光源(4)、光纖(5)、光譜儀(6)、分揀裝置、雄蠶/雄繭料盒(9)、雌蠶/雌繭料盒(10)、雄蠶蛹/雄蠶繭分揀斗(13)、雌蠶蛹/雌蠶繭分揀斗(14)和滾動式脫料架(15)；從上至下依次為料斗(11)、料倉(1)、分料器(2)、傳送帶(3)；傳送帶上方設有光源(4)、光纖(5)，光纖(5)連接光譜儀(6)，光譜儀(6)連接數(shù)據(jù)處理系統(tǒng)；光譜儀(6)包括單色儀和光檢測器；傳送帶(3)末端設有分揀裝置、雄蠶蛹/雄蠶繭分揀斗(13)、雌蠶蛹/雌蠶繭分揀斗(14)；雄蠶蛹/雄蠶繭分揀斗(13)、雌蠶蛹/雌蠶繭分揀斗(14)位于滾動式脫料架的上方，且分別連接到雄蠶/雄繭料盒(9)、雌蠶/雌繭料盒(10)；

具體包括以下步驟：

1)將活體蠶繭或蠶蛹放入送料斗(11)，采用振篩原理在分料器(2)中將待分揀蠶蛹或者蠶繭排成首尾相接隊形，進入傳送帶；

2)傳送帶將蠶繭或蠶蛹逐一送入在線自動分揀裝置的雌雄鑒別系統(tǒng)中的光譜檢測視場，由光源發(fā)出的光，照射蠶蛹或者蠶繭后產(chǎn)生散射光或透射光，利用光譜儀采集活體蠶繭或蠶蛹的光譜；

3)將采集的光譜送入數(shù)據(jù)處理系統(tǒng)，采用光譜預處理方法對光譜進行預處理后，利用模式識別模型判斷被分揀蠶蛹或者蠶繭的雌雄，并將識別結果送入在線自動分揀裝置中分揀裝置；

4)分揀裝置根據(jù)在線雌雄鑒別系統(tǒng)發(fā)出的雌雄鑒別結果，采用機械制動或者氣動方式，分別將雌雄蠶繭或者蠶蛹放入不同的料斗，實現(xiàn)對雌雄蠶蛹或者蠶繭的分揀。

2.進一步，光譜檢測視場為分子光譜或電子光譜檢測視場。

3.進一步，分料器(3)具有自中心向外的、沿一定傾角螺旋結構設計，使蠶蛹或者蠶繭沿通道向前移動，實現(xiàn)蠶蛹或者蠶繭逐一排成隊列。

4.進一步，由光源發(fā)出的光，照射蠶蛹或者蠶繭后產(chǎn)生散射光或透射光，由光纖將散射光或透射光收集后進入單色儀，單色儀分光后，送入光檢測器檢測得到樣品的分子光譜或電子光譜。

5.進一步，單色儀是光柵分光、傅里葉變換分光、聲光可調濾光器分光、濾光片或發(fā)光二極管；檢測器是硅材料的或者是銦鎵砷材料的光電檢測器。

6.進一步，分子光譜波長范圍是覆蓋700-2500nm或400-4000cm^-1的全譜，或者是特征波長或特征波段，或者它們之間的組合。分子光譜的分辨率變化范圍0.5-126cm^-1。

電子光譜波長范圍可以是覆蓋200-700nm的全譜，也可以是特征波長或特征波段，或者它們之間的組合。電子光譜的分辨率變化范圍0.5-126cm^-1。光譜形式是能量曲線、或者是吸收光譜、或者是透過率、反射率或者是干涉圖。

7.進一步，所述步驟(3)所使用的預處理方法包括：微分、平滑、光散射校正、標準正態(tài)變量變換、均值中心化、主成分分析數(shù)據(jù)降維、小波變換分析、遺傳算法、水分扣除算法中任何一種，或者其中之間的任意組合。

8.進一步，提取活體雌雄蠶蛹或者活體雌雄蠶繭各自的特征光譜信息，采用模式識別方法建立活體雌雄蠶蛹識別模型或者活體雌雄蠶繭識別模型。將待分選活體蠶蛹或者活體蠶繭分子光譜及電子光譜輸入該模型，判別其性別。所使用模式識別方法包括PCA、距離相似度系數(shù)法、簇類獨立軟模式、偏最小二乘判別分析法、K最臨近法、FISHER線性判別、人工神經(jīng)網(wǎng)絡和支持向量機中的任意一種，或者其中之間的任意組合。

附圖說明

圖1活體蠶繭/蠶蛹在線自動分揀裝置正面圖

圖2蠶繭/蠶蛹在線自動分揀裝置雌雄分揀斗和料盒部分右側面圖

圖3分料器螺旋結構俯視圖

圖4活體蠶蛹原始近紅外漫反射光譜圖(A)雌性(B)雄性

圖5活體蠶蛹三維特征投影和馬氏距離

(A)雌性三維特征投影(B)雄性三維特征投影(C)雌性馬氏距離(D)雄性馬氏距離

圖6活體蠶蛹SIMCA分類圖(A)雌性(B)雄性

圖7活體蠶繭原始近紅外漫反射光譜圖(A)雌性(B)雄性

圖8活體蠶繭主成分三維特征投影(A)雌性(B)雄性

圖9活體蠶繭SIMCA分類結果(A)雌性(B)雄性

圖10工藝流程圖

具體實施方式：

1)待分揀蠶蛹或者蠶繭經(jīng)過料倉(1)后落入分料器(2)時，排成首尾相接隊形；

2)通過(3)傳送裝置將蠶繭或蠶蛹逐一送入在線自動分揀裝置的雌雄鑒別系統(tǒng)中的光譜檢測視場，利用近紅外或紫外可見光譜儀，采集活體蠶繭或蠶蛹的光譜。具體如下：

光源發(fā)出的光照射蠶蛹或者蠶繭后產(chǎn)生散射光或透射光，由光纖(5)將散射光或透射光收集后進入(6)光譜儀中的單色儀，單色儀分光后，送入(6)中的光檢測器檢測得到樣品的光譜?；蛘吖庠窗l(fā)出的光先進入(6)中的單色儀，單色儀分光后，光照射蠶蛹或者蠶繭后產(chǎn)生散射光或透射光，由光纖(5)將散射光或透射光收集后進入(6)中的光檢測器檢測得到樣品的光譜。

單色儀可以是光柵分光、傅里葉變換分光、聲光可調濾光器(AOTF)分光、濾光片、發(fā)光二極管。檢測器可以是硅材料的或者是銦鎵砷材料的光電檢測器。

分子光譜波長范圍可以是覆蓋700-2500nm或400-4000cm^-1的全譜，也可以是特征波長或特征波段，或者特征波長和特征波段的組合。分子光譜的分辨率變化范圍0.5-126cm-¹電子光譜波長范圍可以是覆蓋200-700nm的全譜，也可以也可以是特征波長或特征波段，或者特征波長和特征波段的組合。電子光譜的分辨率變化范圍0.5-126cm^-1。光譜形式可以是能量曲線、或者是吸收光譜、或者是透過率、或者是干涉圖。電子光譜的分辨率變化范圍0.5-126cm^-1。

光譜形式可以是能量曲線、或者是吸收光譜、或者是透過率、反射率或者是干涉圖。

采集光譜方式可以是漫反射，也可以是漫透射；光譜測量過程中，樣品處于運動狀態(tài)；每個樣本光譜采集時間≤250ms，每秒識別≥4個。

3)將采集的光譜送入數(shù)據(jù)處理系統(tǒng)，如每個樣本采集的是2張以上光譜，將每個樣本的光譜進行平均，采用建立識別模型時使用光譜預處理方法對平均光譜進行光譜預處理。將預處理后的光譜代入雌雄模式識別模型進行雌雄識別，并將識別結果送入在線自動分揀裝置中的分揀系統(tǒng)中的分揀機構。

預處理方法具體如下：采用微分、平滑、MSC、均值中心化、PCA數(shù)據(jù)降維、小波變換分析、遺傳算法、水分扣除其中任何一種，或者其中之間的任意組合進行光譜預處理。

識別模型建立所使用模式識別方法包括：PCA、距離相似度系數(shù)法、簇類獨立軟模式(SIMCA)、偏最小二乘判別分析法(PLS-DA)、K最臨近法、FISHER線性判別、人工神經(jīng)網(wǎng)絡和支持向量機中的任意一種，或者的任意組合。可以人工建立也可以由數(shù)據(jù)處理系統(tǒng)中的自動建模功能自動建立。建模具體步驟如下：

①準備≥50個已知性別的的雌性蠶蛹和雄性蠶蛹樣本，或雌性蠶繭和雄性蠶繭樣本，將樣本分為校正集和驗證集，校正集用于建立雌雄模式識別模型，驗證集用于驗證模型識別正確率；

②利用在線自動分揀裝置在線自動采集樣本的光譜；

③對光譜進行預處理；

④選擇建模最佳特征譜段；

⑤識別異常值并剔除；

⑥利用模式識別方法設定建模參數(shù)，建立識別模型，計算模型的預測正確率。若雌雄預測正確率≥95％，則模型可用。若預測正確率<95％，則重新設定建模參數(shù)，直至雌雄預測正確率≥95％。

若預測正確率不能達到95％，則從③重新開始，直至模型預測率≥95％。

若預測正確率不能達到95％，則從①重新開始，直至模型預測率≥95％。

4)在線自動分揀裝置中的分揀系統(tǒng)中的分揀機構負責根據(jù)在線雌雄鑒別設備發(fā)出的雌雄鑒別結果，采用機械制動或者氣動方式，分別將雌雄蠶繭或者蠶蛹放入不同的(9)(10)料盒，實現(xiàn)對雌雄蠶蛹或者蠶繭的分揀。

(1)實施例1 40000個雌雄蠶蛹分揀

本實施例進行了40，000頭蠶蛹的分揀，分揀雌雄正確率分別達到97％、99％。

本實施例采用的自動分揀裝置正面結構如圖1所示，采用近紅外光源和氣體吹掃方式進行分揀。組成包括送料斗(11)料倉(1)分料器(2)傳送帶(3)近紅外光源(4)光纖(5)光譜儀(6)參比(12)數(shù)據(jù)處理系統(tǒng)(7)吹氣桿(8)雄蠶/雄繭料盒(9)雌蠶/雌繭料盒(10)雄蠶蛹/雄蠶繭分揀斗(13)雌蠶蛹/雌蠶繭分揀斗(14)滾動式脫料架(15)。(9)(10)(13)(14)(15)部分右側面結構如圖2所示。(2)分料器螺旋結構俯視圖如圖3所示，螺旋傾角為3-5度。

蠶蛹分揀的步驟如下：

1)將一批次活體蠶蛹放入在線自動分揀裝置的喂料系統(tǒng)送料斗(11)中，待分揀蠶蛹或者蠶繭經(jīng)過(11)下方的料倉(1)后落入料倉(1)右下方的分料器(2)時，排成首尾相接隊形；

2)通過分料器(2)下方的傳送帶(3)將蠶繭或蠶蛹逐一送入在線自動分揀裝置的雌雄鑒別系統(tǒng)中的光譜檢測視場，利用近紅外光譜儀和光纖，采集活體蠶繭或蠶蛹的光譜。具體如下：

由近紅外光源(4)發(fā)出的光，照射傳送帶(4)上下方的蠶蛹或者蠶繭后產(chǎn)生散射光，由安裝在被照射蠶蛹上方的光纖(5)將散射光收集后進入與光纖(5)相連的光譜儀(6)中的單色儀，單色儀分光后，送入光譜儀(6)中的光檢測器檢測得到樣品的光譜。單色儀是光柵分光，檢測器是銦鎵砷材料的光電檢測器。每隔1個小時測定一次參比。參比(12)放置在傳送帶(4)左下方，測量時，參比由傳送帶(4)左下方經(jīng)過機械制動移動到傳送帶(4)正下方，參比測量完后，撤回原位。

光譜波采集范圍是900-1700nm，分辨率為2nm，采集光譜方式是漫反射模式。

光譜測量過程中，樣品處于運動狀態(tài)；設定光譜采集速度為67張光譜/秒，每個蠶蛹采集2-5張光譜，(示蠶蛹大小而定)，則每個蠶蛹采集時間為30～75ms，每秒測量13～33個蠶蛹。

3)將采集的光譜送入數(shù)據(jù)處理系統(tǒng)(7)，扣除參比光譜后，采用SNV和二階導數(shù)進行光譜預處理，然后采用建立的SIMCA模型進行雌雄判別。具體建模過程如下：

(1)樣品收集和光譜采集

收集秋風、白玉、野三元三個品種共600個活體雌雄蠶蛹，雌雄各300個。采用本實施例步驟2)中的方法采集光譜，光譜如圖4所示。

(2)光譜預處理

本實施例采用SNV和二階導數(shù)進行光譜預處理。

(3)異常值剔除。

采用主成分三維特征投影和馬氏距離法剔除異常樣品。在主成分三維特征投影空間中橢圓以內為建模樣品，橢圓之外為離群樣本，采用馬氏距離計算離群樣本時設置離群閾值為1.7，馬氏距離超過1.7則認為是異常值。圖5為活體蠶蛹三維特征投影和馬氏距離。

(4)SIMCA模型建立。

依據(jù)交互驗證PRESS和主成分貢獻率選擇建模主成分數(shù)。選擇PRESS拐點以后，主成分累積貢獻率達到99％以上的主成分數(shù)。本實例所確立的最佳主成分數(shù)雌性為18，雄性為20。SIMCA對于活體雌雄蠶蛹分類效果如圖6所示。圖6中Q值為樣本距模型的距離；T²為樣本對模型的影響程度。在不考慮雌雄類別對樣本描述程度的前提下，比較樣本與類中其他樣本的不同；中間垂直線與水平線給出給出在0.025顯著水平下的置信區(qū)間，兩直線與坐標軸圍成的區(qū)域即為相應屬性的有效區(qū)域。模型預測正確率為97.5％。

4)將識別結果送入吹氣桿(8)，采用氣動方式分別將雌雄蠶蛹吹入安裝在(3)終點處的雄蠶蛹/雄蠶繭分揀斗(13)雌蠶蛹/雌蠶繭分揀斗(14)，然后落入放置在滾動式脫料架(15)上面的雄蠶/雄繭料盒(9)和雌蠶/雌繭料盒(10)，實現(xiàn)對本批雌雄蠶蛹的分揀。

實施例二雌雄蠶繭分選

本實施例分揀了1000頭活體蠶繭，分揀正確率雌雄正確率分別達到96％、97％。

本實施例采用的自動分揀裝置同實施例1。

分揀具體步驟如下：

1)將一批次活體蠶繭放入在線自動分揀裝置的喂料系統(tǒng)送料斗(11)中，待分揀蠶蛹或者蠶繭經(jīng)過(11)下方的料倉(1)后落入右下方的分料器(2)時，排成首尾相接隊形；

2)通過傳送帶(3)將蠶繭逐一送入在線自動分揀裝置的雌雄鑒別系統(tǒng)中的光譜檢測視場，利用近紅外光譜儀和光纖，采集活體蠶繭的光譜。具體如下：

由近紅外光源發(fā)出的光，照射傳送帶上光源下方的蠶繭后產(chǎn)生散射光，由安裝在被照射蠶繭上方的光纖(5)將散射光收集后進入與光纖(5)相連的光譜儀(6)中的單色儀，單色儀分光后，送入光譜儀(6)中的光檢測器檢測得到樣品的光譜。單色儀是光柵分光，檢測器是銦鎵砷材料的光電檢測器。

光譜波采集范圍是900-1700nm，分辨率為2nm，采集光譜方式是漫反射模式。

光譜波采集范圍是1000-1800nm，分辨率為2nm，光譜是近紅外漫反射光譜。光譜測量過程中，樣品處于運動狀態(tài)；設定光譜采集速度為70張/秒，每個樣品采集4-8張光譜(具體視樣品大小而定)，則每個蠶蛹采集時間為58～125ms，每秒測量8～17個蠶蛹。

3)將采集的光譜送入數(shù)據(jù)處理系統(tǒng)(7)，采用SNV和二階導對光譜進行預處理。然后利用建立的SIMCA分類模型進行識別分類。具體建模過程如下：

(1)樣品收集和光譜采集

收集秋風、白玉、野三元三個品種共200個活體雌雄蠶繭，雌雄各100個。采用本實施例步驟2)中的方法采集光譜，光譜如圖7所示。

(2)光譜預處理

采用SNV和二階導數(shù)進行光譜預處理。

(3)異常值剔除。

采用主成分三維特征投影進行異常值剔除。在主成分三維特征投影空間中橢圓以內為建模樣品，橢圓之外為異常樣本。三維特征投影空間如圖8所示。

(4)SIMCA模型建立。

依據(jù)交互驗證PRESS和主成分貢獻率選擇建模主成分數(shù)。選擇PRESS拐點以后，主成分累積貢獻率達到99％以上的主成分數(shù)。本實例所確立的最佳主成分數(shù)雌性為10，雄性為9。SIMCA對于活體雌雄蠶蛹分類效果如圖9所示。在不考慮雌雄類別對樣本描述程度的前提下，比較樣本與類中其他樣本的不同；中間垂直線與水平線給出給出在0.025顯著水平下的置信區(qū)間，兩直線與坐標軸圍成的區(qū)域即為相應屬性的有效區(qū)域。模型識別正確率為98.0％。

4)將識別結果送入吹氣桿(8)，采用氣動方式分別將雌雄蠶繭吹入安裝在(3)終點處的雄蠶蛹/雄蠶繭分揀斗(13)雌蠶蛹/雌蠶繭分揀斗(14)，然后落入放置在滾動式脫料架(15)上面的雄蠶/雄繭料盒(9)和雌蠶/雌繭料盒(10)，實現(xiàn)對本批雌雄蠶繭的分揀。